Audio 波形函数

我们有3个小时的音频，每个瞬间包含两个人中的一个在说话或沉默。我们需要使用hmm确定每个时刻对应的选项

为此，当波形不同（正弦、saw、方形等）时，有哪些并非异常困难的函数会给出不同的输出，但对于不同的音量、音高等，它们的答案是相同的

---

这个项目可行吗？

识别简单的波形，如正弦和平方波，是一个完全不同于人类语言的解决方案。你想在两者之间建立什么样的联系？我们认为音质或音色与波形有关，而波形又可能暗示说话人。如果这是一个错误的假设，那么与扬声器相关的声波的最简单特征是什么？我知道有一些图书馆可以做这一切，但是有没有什么方法可以让我们自己去做呢？结果不一定要100%准确。一个近似值就足够了。你可以考虑使用快速傅立叶变换（FFT），它基本上会给出输入音频的频率和振幅。由于每个声波都由许多频率组成，FFT将告诉您波的“形状”。根据每个人所说的元音/辅音的不同，它会有所不同，但通过一些过滤和HMM或随机决策林分类器，你可以识别说话人。识别简单的波形，如正弦和平方，是一种与人类语音完全不同的解决方案。你想在两者之间建立什么样的联系？我们认为音质或音色与波形有关，而波形又可能暗示说话人。如果这是一个错误的假设，那么与扬声器相关的声波的最简单特征是什么？我知道有一些图书馆可以做这一切，但是有没有什么方法可以让我们自己去做呢？结果不一定要100%准确。一个近似值就足够了。你可以考虑使用快速傅立叶变换（FFT），它基本上会给出输入音频的频率和振幅。由于每个声波都由许多频率组成，FFT将告诉您波的“形状”。它会根据每个人说的元音/辅音而有所不同，但通过一些过滤和HMM或随机决策林分类器，您可能能够识别说话人。